【SQL】主流电商平台页面数据分析报告代码

最新推荐文章于 2022-02-28 22:04:19 发布
最新推荐文章于 2022-02-28 22:04:19 发布
阅读量237 收藏
点赞数
分类专栏： SQL 文章标签： sql
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43976541/article/details/105863707
版权

背景：获取了主流电商的页面数据，做大盘数据分析

–行业平台
–各平台销额销量以及占比情况

select Platform '平台',sum(SalesVolume) '销量',sum(transprice*SalesVolume) '销额',
sum(SalesVolume)*1.0/(select sum(SalesVolume)*1.0 from [CrawlorData.Global].[dbo].[raw_data1]) '销量占比',
sum(Transaction_Price*SalesVolume)/(select sum(transprice*SalesVolume) from [CrawlorData.Global].[dbo].[raw_data1]) '销额占比'
FROM [CrawlorData.Global].[dbo].[raw_data1]
GROUP BY Platform

–各平台链接数

select Platform '平台',COUNT (Platform) '链接数'
FROM [CrawlorData.Global].[dbo].[raw_data1]
GROUP BY Platform

–各平台评论量以及占比情况

select Platform '平台',sum(isnull(CommentNum,CollectPopularity)) '评论人数',
sum(isnull(CommentNum,CollectPopularity))*1.0/(select sum(isnull(CommentNum,CollectPopularity))*1.0 from [CrawlorData.Global].[dbo].[raw_data1]) '评论量占比'
FROM [CrawlorData.Global].[dbo].[raw_data1]
GROUP BY Platform

–品类
–各平台品类销额销量以及占比情况

select a.Platform '平台',a.category_guifan '品类',a.销量,a.销额,a.销量*1.0/(b.总销量*1.0) '销量占比',a.销额*1.0/(b.总销额*1.0)'销额占比'
FROM (select Platform,category_guifan,sum(SalesVolume) '销量',sum(Transaction_Price*SalesVolume) '销额'
FROM [CrawlorData.Global].[dbo].[raw_data1]
GROUP BY Platform,category_guifan)a,
(select Platform,sum(SalesVolume) '总销量',sum(Transaction_Price*SalesVolume) '总销额'
FROM [CrawlorData.Global].[dbo].[raw_data1]
GROUP BY Platform)b
where a.Platform = b.Platform

–各平台评论量以及占比情况

select a.Platform '平台',a.category_guifan '品类',a.评论人数,a.评论人数*1.0/(b.评论总人数*1.0)'评论占比'
FROM 
(select Platform,category_guifan,sum(isnull(CommentNum,CollectPopularity)) '评论人数',
sum(isnull(CommentNum,CollectPopularity))*1.0/(select sum(isnull(CommentNum,CollectPopularity))*1.0 
from [CrawlorData.Global].[dbo].[raw_data1]) '评论量占比'
FROM [CrawlorData.Global].[dbo].[raw_data1] 
GROUP BY Platform,category_guifan)a,
(select Platform,sum(isnull(CommentNum,CollectPopularity))'评论总人数'
FROM [CrawlorData.Global].[dbo].[raw_data1]
GROUP BY Platform)b
where a.Platform = b.Platform

–行业平台
–各平台销额销量以及占比情况

select Platform '平台',sum(transprice*SalesVolume) '销额',sum(SalesVolume) '销量',
sum(Transaction_Price*SalesVolume)/(select sum(transprice*SalesVolume) from [CrawlorData.Global].[dbo].[raw_data]) '销额占比',
sum(SalesVolume)*1.0/(select sum(SalesVolume)*1.0 from [CrawlorData.Global].[dbo].[raw_data]) '销量占比'
FROM [CrawlorData.Global].[dbo].[raw_data]
GROUP BY Platform

–天猫平台
–各品类销额销量以及占比情况

select a.category_guifan '品类',a.销额,a.销量,a.销额*1.0/(b.总销额*1.0)'销
额占比',a.销量*1.0/(b.总销量*1.0) '销量占比'
FROM (select Platform,category_guifan,sum(SalesVolume) '销量',sum(transprice*SalesVolume) '销额'
FROM [CrawlorData.Global].[dbo].[raw_data]
Where Platform='Tmall'
GROUP BY Platform,category_guifan)a,
(select Platform,sum(SalesVolume) '总销量',sum(transprice*SalesVolume) '总销额'
FROM [CrawlorData.Global].[dbo].[raw_data]
Where Platform='Tmall'
GROUP BY Platform)b
where a.Platform = b.Platform

–各品牌销额销量以及占比情况

select a.Brand '品牌',a.销额,a.销量,a.销额*1.0/(b.总销额*1.0)'销额占比',a.销量*1.0/(b.总销量*1.0) '销量占比'
FROM (select Platform,Brand,sum(SalesVolume) '销量',sum(transprice*SalesVolume) '销额'
FROM [CrawlorData.Global].[dbo].[raw_data]
Where Platform='Tmall'
GROUP BY Platform,Brand)a,
(select Platform,sum(SalesVolume) '总销量',sum(transprice*SalesVolume) '总销额'
FROM [CrawlorData.Global].[dbo].[raw_data]
Where Platform='Tmall'
GROUP BY Platform)b
where a.Platform = b.Platform
ORDER BY a.销额 desc

–各平台品类销额销量以及占比情况

select distinct Platform '平台',category_guifan '品类',shopname '店铺名称',Brand '品牌'
FROM [CrawlorData.Global].[dbo].[raw_data_1]

–价格段占比

select	
	a.产品所属平台,a.规范类目,a.价格带,
	case when b.total_num is not null then a.销量/b.total_num else 0 end num_per,
	case when b.total_offtake is not null then a.销售额/b.total_offtake else 0 end offtake_per,
	case when b.total_com is not null then a.评论量/b.total_com else a.种草人数/b.total_gra end com_per
from jiagedai100 a
left join(
	select 
		产品所属平台,规范类目,
		sum(销量) total_num,sum(销售额)total_offtake,sum(评论量) total_com,sum(种草人数) total_gra
	from jiagedai100
	group by 产品所属平台,规范类目)b
	on a.产品所属平台 = b.产品所属平台 and a.规范类目=b.规范类目
order by a.产品所属平台,a.规范类目,a.价格带

– 需求二:价格带分析，求各平台品类品牌价格带的销量、销额、评论数
select * into jiagedai2 from (

select 产品所属平台,规范类目,品牌信息,价格带,sum(月销量) '月销量',sum(销额) '销额',sum(评论数) '评论数' from
(select case when  规范类目='洁面' and  成交价 between 0  and 100 then '0-100'
			 when  规范类目='洁面' and  成交价 between 100 and 200  then '100-200'
			 when  规范类目='洁面' and  成交价 between 200  and 300  then '200-300'
			 when  规范类目='洁面' and  成交价 between 300 and 400  then '300-400'
			 when  规范类目='洁面' and  成交价 >400   then '400+' 
			 when  规范类目='面膜' and  成交价 between 0 and 60  then '0-60'
			 when  规范类目='面膜' and  成交价 between 60 and 120  then '60-120'
			when  规范类目='面膜' and  成交价 between 120 and 180  then '120-180'
			when  规范类目='面膜' and  成交价 between 180 and 240  then '180-240'
			when  规范类目='面膜' and  成交价 between 240 and 300  then '240-300'
			when  规范类目='面膜' and  成交价  >300   then '300+'
			when  规范类目='化妆水/爽肤水' and  成交价 between 0 and 140  then '0-140'
			when  规范类目='化妆水/爽肤水' and  成交价 between 140 and 280  then '140-280'
			when  规范类目='化妆水/爽肤水' and  成交价 between 280 and 420  then '280-420'
			when  规范类目='化妆水/爽肤水' and  成交价 between 420 and 560  then '420-560'
			when  规范类目='化妆水/爽肤水' and  成交价 between 560 and 700  then '560-700'
			when  规范类目='化妆水/爽肤水' and  成交价  >700   then '700+'
			when  规范类目='眼部护理' and  成交价 between 0 and 160  then '0-160'
			when  规范类目='眼部护理' and  成交价 between 160 and 320  then '160-320'
			when  规范类目='眼部护理' and  成交价 between 320 and 480  then '320-480'
			when  规范类目='眼部护理' and  成交价 between 480 and 640  then '480-640'
			when  规范类目='眼部护理' and  成交价 between 640 and 800  then '640-800'
			when  规范类目='眼部护理' and  成交价 >800   then '800+'
			when  规范类目='面部精华' and  成交价 between 0 and 90  then '0-90'
			when  规范类目='面部精华' and  成交价 between 90 and 180  then '90-180'
			when  规范类目='面部精华' and  成交价 between 180 and 270  then '180-270'
			when  规范类目='面部精华' and  成交价 between 270 and 360  then '270-360'
			when  规范类目='面部精华' and  成交价 between 360 and 450  then '360-450'
			when  规范类目='面部精华' and  成交价 between 450 and 540  then '450-540'
			when  规范类目='面部精华' and  成交价 between 540 and 630  then '540-630'
			when  规范类目='面部精华' and  成交价 between 630 and 720  then '630-720'
			when  规范类目='面部精华' and  成交价 between 720 and 810  then '720-810'
			when  规范类目='面部精华' and  成交价 >810  then '810+'
			when  规范类目='乳液/面霜' and  成交价 between 0 and 80  then '0-80'
			when  规范类目='乳液/面霜' and  成交价 between 80 and 160  then '80-160'
			when  规范类目='乳液/面霜' and  成交价 between 160 and 240  then '160-240'
			when  规范类目='乳液/面霜' and  成交价 between 240 and 320  then '240-320'
			when  规范类目='乳液/面霜' and  成交价 between 320 and 400  then '320-400'
			when  规范类目='乳液/面霜' and  成交价 between 400 and 480  then '400-480'
			when  规范类目='乳液/面霜' and  成交价 between 480 and 560  then '480-560'
			when  规范类目='乳液/面霜' and  成交价 between 560 and 640  then '560-640'
			when  规范类目='乳液/面霜' and  成交价 between 640 and 720  then '640-720'
			when  规范类目='乳液/面霜' and  成交价 >720   then '720+'
			when  规范类目='防晒' and  成交价 between 0 and 70  then '0-70'
			when  规范类目='防晒' and  成交价 between 70 and 140  then '70-140'
			when  规范类目='防晒' and  成交价 between 140 and 210  then '140-210'
			when  规范类目='防晒' and  成交价 between 210 and 280  then '210-280'
			when  规范类目='防晒' and  成交价 between 280 and 350  then '280-350'
			when  规范类目='防晒' and  成交价 between 350 and 420  then '350-420'
			when  规范类目='防晒' and  成交价 between 420 and 490  then '420-490'
			when  规范类目='防晒' and  成交价 >490    then '490+' 
			when 规范类目 not in ('洁面','面膜','化妆水/爽肤水','眼部护理','面部精华','乳液面霜','防晒') and 成交价 between 0 and 50  then  '0-50' 
			when 规范类目 not in ('洁面','面膜','化妆水/爽肤水','眼部护理','面部精华','乳液面霜','防晒') and 成交价 between 50 and 100  then  '50-100'
			when 规范类目 not in ('洁面','面膜','化妆水/爽肤水','眼部护理','面部精华','乳液面霜','防晒') and 成交价 between 100 and 150  then  '100-150'
			when 规范类目 not in ('洁面','面膜','化妆水/爽肤水','眼部护理','面部精华','乳液面霜','防晒') and 成交价 between 150 and 200  then  '150-200' 
			when 规范类目 not in ('洁面','面膜','化妆水/爽肤水','眼部护理','面部精华','乳液面霜','防晒') and 成交价 >=200  then  '200+'
			 end as '价格带',销额,产品所属平台,规范类目,品牌信息,月销量,评论数 from [CrawlorData.Global].[dbo].[Tamll_raw_data]
			where 规范类目 is not  null ) as t
group by  产品所属平台,规范类目,品牌信息,价格带) T
order by 产品所属平台,品牌信息,规范类目,价格带
Sola_时间工作与代码
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SQL数据分析-淘宝用户行为
weixin_43890183的博客
02-29 4304
写在前面的话 为了巩固这段时间SQL的学习成果，同时方便以后回忆和二次学习，我决定把自己做过的项目 淘宝用户行为分析 整理出来，和各位网友分享。如果有什么意见和建议，欢迎大家提出来进行讨论，让我们共同学习和进步。 一、数据收集 1.1 数据源 阿里云-天池-淘宝数据分析 1.2 数据说明 1.3 数据导入 二、数据清洗 2.1 去除重复值 我们可以通过这三个字段：userid, itemid, t...
电商交易数据分析
m0_46247241的博客
05-28 558
标题学习完Python，做个数据分析小案例练习一下 # 加载数据分析需要使用的库 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 加载数据，加载之前先用文本编辑器看下数据的格式，首行是什么，分隔符是什么 df = pd.read_csv('./order_info_2016.csv', index_col='id') df.head() # 加载好数据之后，第一步先分别使用describe和info方法看下数
27、电商项目的代码及其SQL文件
叉叉不低头
12-05 1490
附上码云地址：https://gitee.com/Chakid/mmall_learning 其中： v1.0分支是当前第一阶段的代码， v2.0分支是阶段二的项目代码。
基于SQL2005多维数据联机分析处理 (OLAP)分析源代码
11-10
基于SQL2005多维数据联机分析处理 (OLAP)分析
【SQL实战项目】电商平台数据分析项目
zhangruihua1998的博客
02-28 1万+
二.数据清洗 2.1去除重复值 去除重复值这里，可以将user_id，item_id,timestamp三者进行联合，形成联合主键，对数据集进行分组。如果数据集中没有重复值，则理论上用三者进行联合分组之后， count(user_id)应该是不大于1的；如果数据集中有重复值，则理论上用三者进行联合分组之后，count(user_id)应该是大于1的。因此在这里判断count(user_id)是否大于1可以用having函数。 SELECT use_id FROM userbavior GROUP BY us
电商用户行为分析大数据平台.zip
03-07
电商平台用户行为分析是现代商业决策的关键组成部分，大数据平台在其中起着至关重要的作用。这个名为"电商用户行为分析大数据平台.zip"的压缩包文件，很可能包含了一个基于Spark的项目源码，命名为"spark-project-...
基于Hadoop大数据分析应用场景与实战
01-27
大数据分析已经成为现代企业决策的重要组成部分，特别是在电商巨头京东的京麦团队中，他们利用Hadoop等大数据技术构建了北斗平台，为运营和产品决策提供关键数据支持。大数据的核心在于处理大规模数据集，这些数据集...
阿里巴巴离线大数据处理平台30.ppt
11-12
阿里巴巴作为全球领先的电商平台，其大数据处理能力直接影响着业务的效率和用户体验。 阿里巴巴的大数据产品，如ODPS（Open Data Processing Service），旨在解决小微企业贷款难的问题，通过数据驱动的方式，对已有...
Java通用型支付+电商平台双系统实战
最新发布
07-13
### Java通用型支付+电商平台双系统实战 #### 一、项目背景与目标 在当前互联网经济背景下，电商平台作为连接商家与消费者的桥梁，其重要性不言而喻。与此同时，支付系统作为电商交易的核心环节，其稳定性与安全性...
【ssm项目源码】电商项目的后台和管理平台.zip
01-25
电商后台通常还需要具备数据分析功能，如销售报表、用户行为分析等，以支持运营决策。这可能涉及到统计学方法、数据挖掘技术，以及可视化工具的使用。 **9. 前端界面** 前端界面采用HTML、CSS和JavaScript构建，...
网站订单销售统计电商后台前端模板
06-01
一款Bootstrap框架开发的多用途的网站订单，网站访问，业务销售统计电商后台管理系统页面模板。
sql电商常用表基本字段
Angelia6的博客
12-17 939
商品展示-加入购物车-下单-在线支付-发货-查看物流-收货 下单：生成订单（创建对应用户的订单）-确认订单（更新订单状态，总金额，地址和快递方式）-支付（更新订单状态）-发货（更新订单快递单号）-查看物流（根据物流单号进行第三方查询）-收货（更新订单状态） -- 创建数据库 DROP DATABASE IF EXISTS `shop`; CREATE DATABASE IF NOT ...
数据分析之SQL篇
liyingdemingzi的博客
08-05 4076
一、数据库认知 （一）数据库是什么 数据库： 1）按照数据结构来组织、存储和管理数据的仓库 2）保存有组织数据的容器 3）用来存放数据的一个特殊文件 （二）数据库的类型 商用数据库：Oracle，SQL Server，DB2等 开源数据库：MySQL，PostgreSQL等 桌面数据库：以微软Access为代表，适合桌面应用程序使用 （三）数据库的构成 列：表中的一个字段 行：表中的一个记录 表：表是结构化的信息；行和列组成表 数据库：多张表组成一个数据库 MySQL里面可以存放多少数据： 1）M
python数据分析实战之电商交易分析
恋恋风尘的博客
05-10 6046
文章目录1、明确需求和目的2、数据收集3、数据预处理3.1 数据整合3.1.1 加载相关库和数据集3.1.2 数据概览3.2 数据清洗3.2.1 缺失值处理3.2.2 异常值处理3.2.3 多余记录的删除3.2.4 重复值的处理4、数据分析4.1 总体情况分析4.2 各维度分析5、总结 1、明确需求和目的 通过以往的电商交易历史数据，分析商品销售的总体情况以及不同维度下的销售情况。 2、数据收集 数据集为某电商平台2016年一整年的交易数据， 数据包含104557条数据，10个字段。 除此之外，还有一
用SQL实现统计报表中的“小计”和“合计”
web开发
08-19 973
用SQL实现统计报表中的“小计”和“合计” 在开发统计报表的过程中，经常会碰到在查询到的数据集中，插入一些小计行和合计行。比如在烤烟系统中，几乎每个统计报表都需要加入“合计”行，还有不少涉及到烟叶等级的统计报表需要加入各烟叶等级的小计行。我看到不少人（包括我自己）都是在程序中专门写一些方法来处理的，有的方法还很繁琐。最近在看SQL Server2000的联机丛书中才发现，利用GROUPI...
案例：电商交易数据分析
weixin_44376516的博客
12-02 4247
一、导入要使用的模块 import pandas as pd import numpy as np from matplotlib import pyplot as plt from matplotlib import rcParams 二、读取数据 ds_trading_data = pd.read_csv("./order_info_2016.csv", index_col = "id") ...
电商交易数据分析-Python
qq_33333002的博客
04-19 1603
1.这是一份关于某电脑平台2016年的交易数据，通过分析这份数据，我们可以知道这一整年的销售情况。 数据解读： id:ID order_id:订单ID user_id:用户ID productId:产品ID cityId:城市的ID price:价格 payMoney:支付金额 channelId:渠道ID deviceType:设备类型 createTime:创建时间 payTime:支付时间 ...
SQL简明数据分析教程
热门推荐
遇见
10-11 2万+
SQL与MySQL简介数据库基础从SQL的角度来看，数据库就是一个以某种有组织的方式存储的数据集合。我们可以采用数据库对数据进行有效的存储与管理，并运用数据库进行合理的处理与分析,使其转化为有价值的数据信息。理解数据库的一种简单办法是将其想象为一个存放数据的文件柜， 往文件柜里存放数据资料时，先在文件柜中创建文件，然后将相关的数据资料放入特定的文件中，这种存储某种特定类型数据的结构化的文件就称为表。
platform按键驱动（二）——编程测试实例以及select（）函数详解
qicheng777的博客
04-18 3634
一、测试程序：     之前对按键驱动程序原理大概进行了分析，那么现在给出测试程序了。。。 /********************************************************************************* * Copyright: (C) 2017 qicheng * All righ
电商用户大数据分析实际案例和代码用sql语言
06-06
一个电商平台的用户大数据分析案例： 1. 获取用户的基本信息 ```sql SELECT user_id, gender, age, register_time, city FROM user_table; ``` 2. 统计每个省份的用户数量 ```sql SELECT province, COUNT(*) AS user_count FROM user_table GROUP BY province; ``` 3. 统计每个用户最近一次购买的时间和金额 ```sql SELECT user_id, MAX(purchase_time) AS last_purchase_time, SUM(amount) AS total_amount FROM purchase_table GROUP BY user_id; ``` 4. 统计每个用户购买的商品类别和数量 ```sql SELECT user_id, category, COUNT(*) AS category_count FROM purchase_table GROUP BY user_id, category; ``` 5. 统计每个用户的购买次数和总金额 ```sql SELECT user_id, COUNT(*) AS purchase_count, SUM(amount) AS total_amount FROM purchase_table GROUP BY user_id; ``` 以上是一些基本的电商用户数据分析案例和对应的 SQL 语句，实际应用中还需要根据具体业务场景进行适当调整和补充。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值